回归本质：AI 在金融服务业的应用

日益成熟的人工智能（AI）技术在全球范围内掀起了轩然大波，为金融服务业的价值创造带来了全新可能。据预测，银行业约 30% 的营业利润将归功于 AI [1]。这很可能会颠覆市场格局，催生新的挑战者加入竞争。

现实情况是，许多企业组织将难以适应这种变革，因为金融服务业的企业组织规模庞大，技术资产也十分复杂，很难进行改变。要想蓬勃发展，企业需要一个本身就能持续适应颠覆性变革的平台，使他们能够融入创新技术，推动 AI 的未来发展。

本指南是红帽发布的一系列高管指南的一部分，适用于对企业实施 AI 的真实案例感兴趣的领导者。指南中包含客户案例，旨在帮助客户规划 AI 采用策略，在持续创新的时代从容前行。

• 仅在银行业，AI 带来的总价值就高达约 1.2 万亿美元。¹
• 生成式 AI 可以创造 2,000 亿至 3,400 亿美元的新价值。

要发挥任何颠覆性技术的真正威力，需要将其完全融入企业、客户和员工之间的互动方式以及价值创造过程。无论是当电子交易革新金融市场时，还是当数字化重塑消费者银行业务时，情况都是如此。这些转变创造了新的收入来源，显著降低了成本，同时改变了竞争格局。

AI 的快速发展催生了强大的语言模型和 AI 代理，它们即将重塑金融服务业。这最终将改变客户的互动方式，将运维效率提升到新的水平，同时给现有企业带来新的商业压力。AI 即将引发更频繁、更深远的变化，这要求企业组织提高适应能力，但他们首先需要克服 AI 采用的三大障碍。

1. 成本
   模型训练、调优、部署和集成的成本限制了能够应用 AI 的产品和服务。
2. 复杂性
   技能短缺、定制式基础架构需求以及缺乏可获取的数据，导致企业难以大规模应用 AI。
3. 风险
   模型生命周期中各阶段工具的不成熟，可能会限制金融服务企业部署 AI 的位置和方式。

降低整个企业组织的 AI 门槛

克服这些障碍至关重要，能够让整个行业更广泛地采用 AI，并帮助企业组织在金融服务领域充分发挥 AI 的潜力。

• 降低成本
  需要采用现代 AI 平台来优化硬件消耗，简化模型管理，并最大限度地降低将 AI 集成到应用中的成本。这为以往在商业上不可行的领域创造了 AI 应用契机。
• 最大限度地降低复杂性
  技能培养与采用合适的 AI 平台双管齐下，可以缩小技能差距、简化基础架构管理、加强协作并加速交付。
• 降低风险
  任何颠覆性技术要想获得员工和客户的广泛采用，信任和安全防护是关键。人工控制难以扩展，而且可能效率低下。在质量、安全防护和治理方面的投资对于技术的广泛采用至关重要。

打击金融犯罪

犯罪分子正变得极其擅长隐藏自己的身份并逃避检测。对此，企业组织必须不断改进其模型，以减少误报，更准确地检测有问题的交易。联邦学习与合成数据日渐成为关键工具。

检测金融市场基础架构中的交易异常

SWIFT 拥有 11,000 名会员，每天通过网络发送数百万笔交易。

2022 年，SWIFT 认识到，他们需要采用一个高度可扩展且注重安全的架构，以便不断适应变化并防范不法分子。 

该公司构建了一个高性能 AI 平台，并量身定制了机器学习（ML）模型，可以进行更精确的分析并减少误报，从而调查并拦截需要修复的消息。未来，AI 或许能够自动更正输入错误、优化支付路由选项，并在许多其他方面简化处理流程。

重塑客户开户流程

随着 AI 的迅速发展，不仅有可能从根本上重塑企业组织与客户的互动方式，还有可能简化底层流程。预计对话式代理将变得更加强大，从而降低服务成本。此外，AI 也将在客户获取、客户开户和咨询服务方面产生持久影响，带来重大机遇。

简化商业银行客户的开户流程

在阿根廷加利西亚银行开立企业帐户之前，客户必须亲临分行，提交一系列包含企业和会计信息的纸质法律文件。然后，这些文件将进行数字化处理，并由法律、风险和合规专家进行评估。新帐户注册或现有客户的帐户信息更新大约需要 20 天才能获得授权。

如今，该银行采用了近乎实时的文件分析流程，新企业客户只需几分钟即可开设并开始使用其帐户，同时持续满足银行的风险与合规要求。

在贷款行业创造新机遇

更复杂的风险建模、替代数据的使用以及行为分析，已经给贷款行业带来了变化。这些技术有助于更准确地预测还款情况，并创造了新的收入来源。将语言模型纳入信贷审批流程降低了运维成本，智能合约的兴起和代理式 AI 的采用则有望进一步简化金融服务业的借贷流程。

在整个企业范围内扩展 AI

土耳其的 DenizBank 为其数据科学家和工程师创建了市场领先的 AI 平台，该平台将缩短产品上市时间，同时节省 AI/ML 流程成本。该银行实现了数据科学管道自动化，提供自助服务功能并优化了模型服务，从而能够更高效地在整个企业范围内扩展 AI。

该银行拥有 120 多名数据科学家，分布在不同的业务线，致力于在营销、借贷、信用卡和风控等领域进行创新。借助这个新平台，DenizBank 不仅能够简化模型的开发、部署和集成，还能充分利用正在塑造 AI 未来的强大开源社区。

了解更多

改善客户体验

AI 代理将通过打造更智能、更直观且更加个性化的服务，重塑银行业的客户体验。从主动账单提醒到实时现金流优化，AI 可以预测客户需求并提供量身定制的财务洞察，从而简化决策，并代表客户执行操作。

通过分析时间序列数据并识别可操作的模式，AI 可帮助创建更准确的预测，使银行能够提供定制化方案，在问题发生之前识别潜在风险，并积极主动地提供财务指导。

客户不再需要独自处理财务事宜，而是可以借助代理驱动的智能分析来提前规划、轻松理财，并充满信心地实现财务目标。 

除了自动化之外，AI 还可以通过对话式代理、智能推荐或更周到的数字银行体验等方式，实现响应更迅速、更加个性化的交互，从而提高客户参与度。通过提供安全可靠且高度定制化的服务，AI 可帮助提升客户满意度和信任度，打造一个不仅高效运营、更真正以客户为中心的银行业未来。

银行业

未来五年，银行的运营方式以及与客户和员工的互动方式将发生翻天覆地的变化。在外部，客户正在加快采用新技术的速度，这将迫使银行跟上变革的步伐。在内部，强大的模型和代理将能够承担更复杂的任务，并开始从根本上转变工作方式。

• 服务：对话式代理将承担更复杂的任务。AI 代理将更深入地集成到银行渠道中。
• 借贷：AI 将更加高效准确地评估定制化产品与服务、定价和风险，并进行相应优化。
• 支付：通过先进的交易优化和对账模型，实现向实时现金管理的转型。
• 顾问：更精细的模型将承担信息收集、总结和建议等任务。

保险业

不断攀升的运维成本、新的竞争压力以及变幻莫测的气候风险，正挤压着全球保险公司的利润空间。而新数据源的开放使用以及模型开发成本的降低，为保险公司在其业务中广泛应用 AI 开辟了新机遇，有望将运营效率提升至全新水平。

• 索赔：适用于文档、图像、视频和传感器的模型将加快审批和结算速度。
• 承保：通过更准确地理解个人数据和企业数据，简化审批流程。
• 保单：基于实时数据和更精细的风险建模，实现日益个性化的保单​和动态定价策略​。
• 服务：对话式代理将承担更复杂的任务。AI 代理将更深入地集成到保险渠道中。

金融市场

AI 的快速发展正在帮助企业更高效地管理风险，应对金融市场固有的波动性。语言模型和 AI 代理日益成熟，为投资组合再平衡和订单簿预测创造了新机遇。随着市场条件的变化，降低 AI 的成本和复杂性将帮助企业组织显著提高效率。

• 交易：在整个交易生命周期中更广泛地应用 AI 代理，以优化交易策略并提高效率。
• 流动性：通过市场模拟实现强大的流动性预测，这将缩小风险敞口，检查流动性是否充足，并提高市场稳定性。
• 投资组合管理：使用日益成熟的模型，根据成本、风险、环境影响和其他目标来优化投资组合。
• 市场情报：使用新的语言模型，从新的非结构化数据来源更精准地了解市场情绪。

风险与合规性

履行合规义务和管理风险正变得愈发困难。持续演变的法规、不断变化的市场条件以及新的运维风险，这些因素都导致了成本和复杂性的增加。AI 的发展创造了新机遇，可以在降低成本的同时更好地管理风险。这得益于语言模型和代理式框架，也离不开更具成本效益的支持性平台的助力。

• 风险管理：通过基于代理的模拟，更深入地了解投资组合风险、保证金影响和流动性风险。
• 监管报告：通过文档检索和关键信息提取，简化报告流程。
• 金融犯罪：采用能够从新模式中学习的自适应风险模型，提高准确性并减少误报。
• 信息安全：实时评估资产，以发现漏洞、准确识别威胁并加快修复速度。

我们已步入金融服务业的新时代，这将对客户、合作伙伴和员工产生深远影响。AI 的快速发展可能会从根本上重塑客户和员工的互动方式，并将运维效率提升至全新水平。然而，成本、风险和合规性方面的挑战，以及不同企业参差不齐的业务与技术就绪程度，都是需要克服的阻力。

随着企业组织寻求在其业务中广泛采用 AI 并最大化其成果，我们认为以下四个方面将成为近期的重点。

什么是 AI 代理？

使用 AI 来执行需要极少人工干预或无需人工干预的任务的软件。

为什么它们很重要？

可以大幅降低运维成本，创造新的价值流，并实现后台转型。代理日趋成熟，能够通过强化学习和推理来承担更高阶的任务。

什么是小语言模型？

针对特定用途进行微调、设计得更加紧凑高效的语言模型。 

为什么它们很重要？

针对特定用途（如客户支持、咨询顾问和市场研究）提供更高级别的控制力、准确性、速度和可靠性。可以显著降低基础架构成本与能耗。

什么是联邦学习？

一种机器学习类型，多个团体在不共享数据的情况下协作训练模型。 

为什么它很重要？

联邦学习可以在不共享数据的情况下，打造准确度更高的有效模型，同时满足数据主权要求。例如，在金融犯罪防治领域，银行可以共同开发模型，但数据仍归各行私有。

什么是 AI 安全防护？

防止 AI 产生非预期或有害后果，并保护 AI 免受不法分子的攻击。

为什么它很重要？

公平性、可说明性、透明度、准确性和可靠性对于安全防护至关重要。必须通过有效的风险管理来保护个人、企业组织和社会免受伤害。

历史经验表明，只有依托能够满足特定需求的强大的技术生态系统，才能成功应对颠覆性变革。这种生态系统不仅降低了成本，也让技术更易于获取。如果没有互联网的网络效应，数字革命就不可能实现。如今，开源技术围绕关键技术创造了类似的网络效应，持续推动着云计算与 AI 领域的创新浪潮。AI 的快速发展得益于开源社区和模型的集体智慧，以及围绕它们构建的丰富生态系统。

我们认为，真正具有变革力量的 AI，需要构建在经济高效、无处不在且得到广泛生态系统支持的 AI 平台之上。我们在社区中构建产品，并在全球范围内建立合作伙伴关系，让 AI 变得更加触手可及，惠及所有人。

红帽 AI

红帽® AI 产品组合提供一致且全面的 AI 平台解决方案，有助于缩短产品上市时间，同时降低在整个企业组织中交付 AI 产品的运维成本和风险。该解决方案支持高效使用任何基础架构，并可让您使用自己的数据创建适合特定用途的模型，避免不必要的复杂性或成本支出。

红帽 AI 咨询

与红帽 AI 专家一起，规划并确定关键业务目标，并制定实现 AI 目标的战略性路线图，其中包括降低运维成本、优化资源利用率、增强可扩展性以及加速 AI 创新等具体的步骤。构建包括 AI 平台和 AI 技能在内的基础能力，同时交付业务价值。

红帽 AI 生态系统

以更低的成本和风险集成您选择的工具。无论是现在还是未来，通过整合新功能来扩展您的投资价值。在您选择的硬件上运行，获得您期望的性能和可靠性。与全球领先的咨询公司合作，在整个企业组织中最大限度地发挥 AI 的优势。

把握未来机遇

与红帽专家并肩工作，制定明智的成功路线图。设想在您的环境中使用红帽 AI 的场景，并了解其功能。在红帽 AI 专家的帮助下，您可以制定可实现的目标，构建现代 AI 平台，培养变革性技能，微调试点用例，并降低成本和复杂性。

开始行动吧！